| 研究課題/領域番号 |
22K21274
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 山梨大学 |
|---|
研究代表者 |
朱 臻陽 山梨大学, 大学院総合研究部, 助教 (10954927)
|
|---|
| 研究期間 (年度) |
2022-08-31 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 色覚補償 / 意味論的情報 / 拡張現実 / 深層学習 / 色覚障がい支援 |
|---|
| 研究開始時の研究の概要 |
本研究課題では，色覚障がいによる意味論的情報損失を補償するために，深層学習モデル及びAR Glassesを取り入れた色覚補償技術の確立に向けて，以下の３つの課題に取り組む．(1)AR Glassesを装着するユーザを中心にし，深層学習モデルを搭載するサーバと連携し，ユーザに色覚支援用情報を提供する．(2)ユーザがおかれるシチュエーションに合わせて，二つの使用モードを設計し，それぞれに必要な深層学習モデルを実装する．(3)実装される深層学習モデルの学習に必要とされる色ラベル付き画像データセットを収集するために，既存のオブジェクト検出用深層学習モデルを利用して，自動的な収集方法を開発する．
|
| 研究実績の概要 |
本研究では，色覚障がいを支援するために，意味情報補償用システムの提案を目的としている．
本研究課題の２年目では，意味情報補償用システムに取り入れる技術の改善及び検証実験に取り組んできた．これまでに開発したシステムに取り入れた深層学習モデルでは，対象外のオブジェクトが誤検出される問題に対して，最先端の参照セグメンテーションモデルを取り入れ，本研究で作成したデータセットで学習を行った．提案システムの有効性を検証するために，色覚障がいをもつユーザ及び正常な色覚をもつ協力者による主観評価実験を行い，提案システムの有効性が示された．
一方，深層学習モデルを利用した色覚補償用色変換技術を開発した．提案技術の有効性を検証するために，色覚障がいをもつ協力者による主観評価実験を行い，その成果をまとめた論文は国際論文誌Ｎｅｕｒａｌ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓに採択された．また，個人の障がい度合に適応できる色覚補償のための高速色変換技術を開発した．提案技術の有効性を検証するために，色覚障がいをもつ協力者による主観評価実験を行い，その成果をまとめた論文は国内ＣＧ分野の最高峰学会Ｖｉｓｕａｌ Ｃｏｍｐｕｔｉｎｇ シンポジウムに採択され，口頭発表を行った．さらに，提案した色変換技術を拡張し，主観評価実験を行い，その成果を英語論文にまとめ，国際会議Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ に投稿し（採択論文はＣＧ分野のトップ国際論文誌の一つであるＴｈｅ Ｖｉｓｕａｌ Ｃｏｍｐｕｔｅｒに掲載される），「Ａｃｃｅｐｔ ｗｉｔｈ Ｍｉｎｏｒ Ｒｅｖｉｓｉｏｎ」という査読結果を得た．
|
